Menganalisis Indikator Mutu Rumah Sakit – Bagian 1 inShare Share
Pendahuluan
Pada kesempatan yang lalu, penulis pernah membagikan ide mengenai penyusunan indikator mutu rumah sakit dan sakit dan penyajian indikator mutu rumah sakit. sakit. Walaupun keduanya sudah ukup untuk karya sehari!hari, tidak ada salahnya bila para manajer dan pemimpin sistem mikro di rumah sakit menambahkan analisis seara statistika terhadap pengukuran indikator mutu tersebut. "nalisis ini diharapkan menjadi insight apakah apakah inter#ensi yang dilakukan untuk memperbaiki nilai indikator mutu sudah adekuat. "nalisis ini juga akan merangsang para pemimpin sistem mikro di rumah sakit beserta tim untuk terbiasa melakukan penelitian. $im yang terbiasa melakukan penelitian akan mudah mengembangkan diri karena senantiasa menanyakan kepada dirinya sendiri, %"pakah usaha ini sudah ukup signi&ikan'% Pada tulisan bagian pertama ini, penulis mengajak pembaa untuk menyimak salah satu ontoh analisis data sebelum dan setelah inter#ensi pada indikator mutu rumah sakit dengan tipe data kontinyu. Indikator yang digunakan dalam mengilustrasikan ontoh analisis data ini adalah( )aktu tunggu masuk ruang pera)atan. Ilustrasi Kasus
Rumah Sakit %Pantai Bahagia% menetapkan salah satu indikator mutu pelayanan ruang persiapan ra)at inap adalah %)aktu tunggu masuk ruang pera)atan%. Rumah sakit ini mengukur )aktu yang diperlukan sejak bagian admisi *tempat penerimaan pasien+ menentukan ruang pera)atan bagi pasien sampai dengan pasien diantar dari ruang persiapan ra)at inap. Semakin besar angka yang diukur dalam menit ini, semakin lama pula pasien menunggu di ruang persiapan ra)at inap dan meningkatkan potensi penuhnya ruang persiapan ra)at inap. isepakati pula bah)a tidak semua kasus akan diukur, hanya sepuluh pasien pertama di ruang persiapan ra)at inap setiap tanggal tangg al 1 bulan baru saja yang diukur. Waktu diukur dalam satuan menit dan diatat untuk disajikan dan dianalisis. -asil pengukuran bulan pertama disajikan dalam $abel 1.
No. Sampel
1
2
3
4
5
6
7
8
9
10
Rerata
Waktu tunggu (menit)
75
67
45
46
52
36
92
88
73
65
639
Tabel 1 Hasil pengukuran waktu tunggu persiapan rawat inap. $im ruang persiapan ra)at inap mendiskusikan hasil pengukuran ini. -asilnya, beberapa proses administrasi bisa dipersingkat. Meski demikian, ada satu kendala yang tidak dapat diputuskan solusinya. Rumah sakit ini mengatur bah)a ruang persiapan ra)at inap tidak dapat memobilisasi pasien, harus menunggu dijemput dari ruang pera)atan yang dituju. Pera)at penjemput ini sering datang lambat sehingga pasien menumpuk di ruang persiapan ra)at inap. "khirnya kepala ruang persiapan ra)at inap mengusulkan kepada direktur agar pasien dapat dimobilisasi dari ruang persiapan ra)at inap oleh pera)at persiapan ra)at inap ditemani satu orang petugas transporter atau petugas keamanan. irektur setuju, sehingga ruang persiapan
ra)at inap seara resmi mengerjakan dua maam perbaikan, yaitu proses administrasi yang dipersingkat dan perubahan mobilisasi pasien. Mereka menargetkan rerata )aktu tunggu kurang dari / menit. -asil pengukuran satu bulan setelah inter#ensi disajikan dalam $abel 0.
No. Sampel
1
2
3
4
5
6
7
8
9
10
Rerata
Waktu tunggu (menit)
54
17
36
34
61
24
53
44
72
25
42
Tabel 2 Hasil pengukuran waktu tunggu persiapan rawat inap setelah intervensi. Sekilas dari perhitungan rerata didapatkan bah)a inter#ensi tempo hari membuahkan hasil penurunan rerata )aktu tunggu persiapan ra)at inap namun belum menapai target. Munul pertanyaan apakah inter#ensi yang dilakukan sudah seara signi&ikan memperbaiki kondisi atau belum. i sinilah peran analisis statistik. Analisis Statistik
"nalisis statistika dapat dilakukan dengan penghitungan manual atau denga n menggunakan perangkat lunak. Berbagai perangkat lunak tersedia baik yang berbayar maupun yang gratis, karena penulis ingin mendorong pengujian seara statistik ini dilakukan seara rutin, maka disarankan menggunakan program analisis statistik yang mudah dan umum digunakan seperti misalnya SPSS. alam tulisan ini tidak akan dijelaskan langkah demi langkah analisis dalam program analisis statistik. Penjelasan mengenai hal tersebut jamak ditemukan le)at mesin penari daring *online+. ata mentah yang ada dimasukkan ke dalam program analisis statistik tersebut. angkah pertama dalam analisis data indikator ini adalah menentukan tipe data. Penjelasan mengenai tipe data dapat dibaa kembali pada tulisan sebelumnya mengenai penyajian indikator mutu rumah sakit *http(22mutupelayanankesehatan.net2inde3.php214!headline20/5!menyajikan! indikator!mutu!rumah!sakit+. ari keterangan tersebut, kita mengetahui bah)a data kuantitati& indikator )aktu tunggu persiapan ra)at inap ini adalah data kontinyu. 6mumnya, data kontinyu dianalisis menggunakan statistik parametrik apabila datanya terdistribusi normal. 6ntuk mengetahui apakah data tersebut terdistribusi normal atau tidak, mari kita menetapkan hipotesis / *-/+ dan hipotesis alternati&. Prinsipnya, uji normalitas membandingkan data yang akan diuji dengan data distribusi normal. -ipotesis dalam uji ini ditampilkan dalam $abel 7.
!ipote"i" 0 (!0)
#i$ak a$a per%e$aan antara $ata &ang akan $iu'i $engan $ata $i"tri%u"i normal.
!ipote"i" lternati $a per%e$aan antara $ata &ang akan $iu'i $engan $ata (!a) $i"tri%u"i normal. Tabel 3 Hipotesis dalam uji normalitas. alam program SPSS, lakukan uji normalitas 8olmogoro#!Smirno# yang ada dalam menu analisis non parametrik. -asil analisis yang dilakukan program analisis statistik ditampilkan dalam $abel .
One-Sample Kolmogorov-Smirnov Test
Waktu #unggu
N
Normal *arameter"
a%
+o"t /treme ,ierene"
20
+ean
52.9500
St$. ,e-iation
21.08997
%"olute
.089
*o"iti-e
.089
Negati-e
.067
olmogoro-Smirno-
.399
"&mp. Sig. (2taile$)
.997
Tabel 4 Hasil uji normalitas. alam tabel hasil uji normalitas tersebut, perhatikan nilai yang dietak tebal */,744+. 8arena nilai tersebut 9/,/:, maka hipotesis / *-/+ diterima sehingga tidak ada beda antara data yang diuji dengan data terdistribusi normal. engan kata lain, data indikator tersebut adalah data terdistribusi normal sehingga analisis statistik dapat dilanjutkan dengan statistik parametrik. angkah kedua dalam analisis statistik adalah menguji beda rerata antara kedua kelompok perlakuan. 8elompok perlakuan pertama *sebelum inter#ensi+ dan kelompok perlakuan kedua *setelah inter#ensi+ dianalisis bedanya dengan independent sample t-test . Mengapa tidak dianalisis dengan paired sample t!test' Walaupun analisis ini akan menguji beda sebelum dan setelah inter#ensi, tidak ada subjek penelitian yang diukur dua kali. Subjek untuk data sebelum inter#ensi berbeda dengan subjek untuk data setelah inter#ensi. Sebelum melakukan uji beda, mari kita menetapkan hipotesis / *-/+ dan hipotesis alternati&. Prinsipnya, uji normalitas membandingkan data yang akan diuji dengan data distribusi normal. -ipotesis dalam uji ini ditampilkan dalam $abel :. Pada uji beda, kita akan membandingkan nilai p dengan nilai suatu konstanta. Pada tingkat keperayaan 4:;, kita akan membandingkan nilai p dengan angka /,/:. "pabila nilai p9/,/: maka hipotesis nol *-/+ diterima. Sebaliknya, apab ila nilai p
!ipote"i" 0 (!0)
#i$ak a$a per%e$aan antara $ata "e%elum inter-en"i $an "etela inter-en"i.
!ipote"i" lternati (!a)
$a per%e$aan antara $ata "e%elum inter-en"i $an "etela inter-en"i.
Tabel 5 Hipotesis dalam uji beda. Setelah menetapkan kedua hipotesis, kita dapat langsung melakukan uji beda dengan memerintahkan SPSS untuk melakukan uji independent sample t!test. -asil uji beda tersebut akan nampak seperti pada $abel =.
Tabel 6 Hasil uji independent sample t-test. Perhatikan angka yang dietak tebal */,/1=+. >ilai p tersebut
Proses analisis yang dijelaskan di atas merupakan salah satu ontoh penerapan statistika dalam pengelolaan rumah sakit. alam hal ini, seara khusus adalah pengelolaan mutu pelayanan rumah sakit. Statistika adalah ilmu yang mempelajari bagaimana merenanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Walau demikian, karena pengelolaan rumah sakit bersandar pada sumber!sumber ilmiah tertentu, maka interpretasi atas apa yang telah diterapkan oleh statistika tidak boleh dilakukan seara sembarangan. 8etika melakukan analisis terhadap data sebelum inter#ensi, tim mutu di rumah sakit dibiasakan untuk memakai metode tertentu seperti metode tulang ikan atau :!)hy?s. iagram tulang ikan biasa mengungkap berbagai &aktor kontributor terhadap suatu masalah. alam ilustrasi kasus di atas, dijelaskan ada dua &aktor yang menyebabkan )aktu tunggu persiapan ra)at inap, yaitu panjangnya proses administrasi dan masalah pengantaran atau penjemputan pasien.
8etika dua masalah tersebut dipeahkan seara konsisten, pengukuran pada bulan berikutnya menunjukkan penurunan )aktu tunggu persiapan ra)at inap yang yang signi&ikan seara statistik. Statistika menjelaskan sampai di sini. "pakah penurunan seara signi&ikan ini akibat inter#ensi yang dilakukan' "nalisis statistik yang tadi dilakukan tidak sepenu hnya bisa menjelaskan. Seara akal sehat, penurunan tersebut sangat mungkin akibat inter#ensi yang kita lakukan. Mengapa demikian' engan asumsi bah)a penelusuran penyebab lamanya )aktu tunggu persiapan ra)at inap dilakukan dengan teliti dan sah *benar+, maka penyebab yang ditemukan *atau &aktor kontributornya+ pun juga sahih. "pabila &aktor penyebab *atau kontributor+ tersebut diatasi, maka seara logis )aktu tunggu persiapan ra)at inap akan berkurang. Inilah yang kemungkinan besar terjadi pada kasus ini. alam kerangka p engelolaan mutu di sistem mikro rumah sakit, interpretasi ini lebih sahih daripada klaim yang hanya berdasarkan naik atau turunnya gra&ik. Interpretasi juga dapat dilakukan dengan menari sumber bukti yang terperaya mengenai suatu masalah. Misalnya penurunan kejadian in&eksi daerah operasi setelah inter#ensi penggunaan desin&ektan baru yang berbasis bukti *e#idene!based+. "pabila desin&ektan yang disarankan suatu penelitian sahih diterapkan, maka penurunan angka in&eksi daerah operasi yang mengikutinya merupakan dampak langsung dari penerapan tersebut. Penutup
"nalisis statistik seperti yang diuraikan dalam tulisan ini belum jamak diterapkan dalam pengelolaan mutu di rumah sakit. Bila akan diterapkan pun, seringkali diperoleh kekeliruan dalam pemilihan uji statistik sehingga hasilnya tidak sahih digunakan sebagai dasar pengambilan keputusan oleh manajemen rumah sakit. iharapkan setelah membaa tulisan ini, tim pengelola mutu di rumah sakit dapat seara rutin menerapkan statistika lebih dalam untuk menganalisis indikator mutu rumah sakit. Penulis
"rtikel ini merupakan pendapat pribadi penulis yaitu dr. Robertus "rian atusanantyo, M.P.-. Penulis adalah dokter, pernah memimpin instalasi ga)at darurat rumah sakit s)asta di @ogyakarta. Saat ini penulis merupakan peserta pendidikan dokter spesialis di Aakultas 8edokteran 6ni#ersitas "irlangga, Surabaya.
Menganalisis Indikator Mutu Rumah Sakit – Bagian 0 inShare Share
Pendahuluan
Pada kesempatan yang lalu, penulis pernah membagikan ide mengenai penyusunan indikator mutu rumah sakit dan penyajian indikator mutu rumah sakit . Walaupun keduanya sudah ukup untuk karya sehari!hari, tidak ada salahnya bila para manajer dan pemimpin sistem mikro di rumah sakit menambahkan analisis seara statistika terhadap pengukuran indikator mutu tersebut. "nalisis ini diharapkan menjadi insight apakah inter#ensi yang dilakukan untuk memperbaiki nilai indikator mutu sudah adekuat. "nalisis ini juga akan merangsang para pemimpin sistem mikro di rumah sakit beserta tim untuk terbiasa melakukan penelitian. $im yang terbiasa melakukan penelitian akan mudah mengembangkan diri karena senantiasa menanyakan kepada dirinya sendiri, %"pakah usaha ini sudah ukup signi&ikan'%
Pada tulisan bagian kedua ini, penulis mengajak pembaa untuk menyimak salah satu ontoh analisis data sebelum dan setelah inter#ensi pada indikator mutu rumah sakit dengan tipe data ordinal. Indikator yang dipakai dalam mengilustrasikan ontoh analisis data ini adalah( kepuasan pasien instalasi ga)at darurat. Ilustrasi Kasus
Rumah Sakit %Puri Sejahtera% menetapkan salah satu indikator mutu instalasi ga)at darurat *I+ adalah %kepuasan pasien instalasi ga)at darurat%. Rumah sakit ini membuat kuesioner singkat terkait tingkat kepuasan pasien I dengan skala 1!4. Skala satu artinya sangat tidak puas sementara angka 4 artinya sangat puas. 8uesioner ini diberikan pada akhir pera)atan di I. -asil pengukurannya disajikan dalam $abel 1. asd
No. Sampel
1
2
3
4
5
6
7
8
9
10
#ingkat epua"an (19)
4
5
7
2
3
9
3
4
3
5
Tabel 1 Hasil engukuran !ebelum "ntervensi $im instalasi ga)at darurat mendiskusikanhasil pengukuran ini. Setelah menggunakan berbagai alat bantu untuk mengidenti&ikasi &aktor!&aktor kontributor dan &aktor penyebab, tim menyimpulkan bah)a tingkat kepuasan yang belum menapai target tersebut adalah karena para pasien di I tersebut menunggu terlalu lama untuk diperiksa dokter. engan hanya satu dokter yang melayani 10 tempat tidur, seorang pasien dapat menunggu lebih dari 7/ menit sampai diperiksa oleh dokter. 6ntuk itulah tim kemudian mendiskusikan dengan kepala bidang pelayanan untuk menambah jumlah dokter jaga I dan menerapkan sistem triase baru. engan kedua inter#ensi ini, diharapkan )aktu tunggu pasien berkurang dan kepuasan pasien kembali meningkat. -asil pengukuran satu bulan setelah inter#ensi disajikan dalam $abel 0.
No. Sampel
1
2
3
4
5
6
7
8
9
10
#ingkat epua"an (19)
8
6
9
7
8
8
6
5
9
3
Tabel 2 Hasil engukuran !atu #ulan setelah "ntervensi Analisis Statistik
Berbeda dengan statistik parametrik yang dibahas dalam tulisan bagian pertama mengenai analisis indikator, data indikator mutu ini memiliki tipe data ordinal. ata ordinal termasuk ke dalam tipe data kategorial, memiliki penjenjangan, namun jarak antara jenjang satu dan berikutnya tidak dapat diasumsikan sama. "rtinya, seorang yang memilih tingkat kep uasan 5 belum tentu dua kali lebih puas daripada orang lain yang memilih tingkat kepuasaan . 6ntuk menguji perbedaan antara kedua kelompok berdata ordinal ini digunakan uji statistik non parametrik. >ama uji yang sesuai adalah Mann!Whitney. alam statistik parametrik, uji ini setara dengan t!test yang kita pakai dalam ilustrasi pada tulisan bagian pertama yang lalu.
Sebelum melakukan uji beda, mari kita menetapkan hipotesis / *-/+ dan hipotesis alternati&. Prinsipnya, uji normalitas membandingkan data yang akan diuji dengan data distribusi normal. Pada uji beda, kita akan membandingkan nilai p dengan nilai suatu konstanta. Pada tingkat keperayaan 4:;, kita akan membandingkan nilai p dengan angka /,/:. "pabila nilai p9/,/: maka hipotesis nol *-/+ diterima. Sebaliknya, apabila nilai p
!ipote"i" 0 (!0)
#i$ak a$a per%e$aan antara $ata "e%elum inter-en"i $an "etela inter-en"i.
!ipote"i" lternati (!a)
$a per%e$aan antara $ata "e%elum inter-en"i $an "etela inter-en"i.
Tabel 3 Hipotesis dalam uji beda. Calankan uji non parametrik 0 sampel independen. Setelah melengkapi kotak dialog, maka akan munul hasil seperti yang disajikan dalam $abel .
Test Statistics b
#ingkat epua"an
+annWitne&
20.000
Wilo/on W
75.000
2.289
"&mp. Sig. (2taile$)
.022
/at Sig. 2(1taile$ Sig.)
.023a
Tabel 4 Hasil uji $ann-%hitne&. Perhatikan angka yang dietak tebal */,/00+. >ilai p tersebut
Proses analisis yang dijelaskan di atas merupakan salah satu ontoh penerapan statistika dalam pengelolaan rumah sakit. Meskipun demikian, karena pengelolaan rumah sakit bersandar pada sumber!sumber ilmiah tertentu, maka interpretasi atas apa yang telah diterapkan oleh statistika tidak boleh dilakukan seara serampangan. Sebelum melakukan interpretasi, perlu ditanyakan(
apakah peningkatan kepuasan pasien I ini akibat inter#ensi yang dilakukan' "nalisis statistik yang tadi dilakukan tidak sepenuhnya bisa menjelaskan )alau seara logis bisa diterima. Seperti juga dalam ilmu kedokteran, pengelola rumah sakit seara langsung maupun tidak langsung digiring untuk menggunakan bukti!bukti ilmiah yang sahih untuk mengelola rumah sakit, pun mutunya. Ilustrasi di atas ukup menarik karena di Indonesia, I disalahartikan oleh sebagian masyarakat sebagai pelayanan yang %ekspres% dibandingkan pelayanan ra)at jalan. Instalasi ra)at jalan *IRC+ di hampir semua rumah sakit selalu memiliki kursi tunggu jauh lebih banyak daripada di I. -al ini membuat IRC identik dengan menunggu. Pada kenyataannya, pelayanan di I tidaklah selalu epat karena digunakan suatu prioritisasi berbasis kebutuhan pasien yang disebut sebagai triase. Pasien yang lebih ga)at dan2atau darurat akan didahulukan, sehingga pasien yang sebenarnya bisa berobat ke ra)at jalan tetap harus menunggu. i sinilah banyak sumber bukti mengenai implementasi triase yang dapat digunakan sebagai auan tim mutu di I untuk memperbaiki mutu. 8embali kepada ilustrasi kasus di atas, peningkatan kepuasan pasien sangat mungkin akibat inter#ensi. "kal sehat pasti mengatakan demikian. >amun bila menggunakan bukti!bukti ilmiah untuk menelaah masalah dan menyusun inter#ensi, bisa jadi kesimpulan akhir interpretasi tidak sepenuhnya demikian. Misalnya, inter#ensi memang meningkatkan kepuasan pasien, namun bukan akibat )aktu tunggu yang semakin singkat namun akibat I yang lebih teratur pasa implementasi sistem triase baru. Penutup
"nalisis statistik seperti yang diuraikan dalam tulisan ini belum jamak diterapkan dalam pengelolaan mutu di rumah sakit. Bila diterapkan pun, seringkali didapatkan kekeliruan dalam pemilihan uji statistik sehingga hasilnya tidak sahih digunakan sebagai dasar pengambilan keputusan oleh manajemen rumah sakit. iharapkan setelah membaa tulisan ini, tim pengelola mutu di rumah sakit dapat seara rutin menerapkan statistika lebih dalam untuk menganalisis indikator mutu rumah sakit. Penulis
"rtikel ini merupakan pendapat pribadi penulis( dr. Robertus "rian atusanantyo, M.P.-.. Penulis adalah dokter, pernah memimpin instalasi ga )at darurat rumah sakit s)asta di @ogyakarta. Saat ini penulis merupakan peserta pendidikan dokter spesialis di Aakultas 8edokteran 6ni#ersitas "irlangga, Surabaya.
